基于特征增强的KNN文本分类方法研究
余小鹏1
王振佩1
殷浩2
徐健儿1
1.武汉工程大学 湖北武汉 4302052.武汉经开外国语学校 湖北武汉 430010
摘要：现有KNN文本分类方法未考虑语义信息导致特征向量维度庞大、分类效率低、准确率不高.提出一种特征增强的KNN文本分类方法FE-KNN,构建领域框架库和领域句模,降低同义词对特征的影响,利用语义关系信息强化文本特征.在Math数学应用题语料库上的实验结果显示,该方法的准确率为0.9532,与传统KNN方法相比精准率、召回率和F1 值都有所提升,验证了通过框架语义与语义搭配能够改善文本分类的效果.
关键词：文本分类特征增强KNN句模
资助基金：教育部人文社会科学研究项目(19YJA880077)
论文发表日期：2023-09-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 17-20 )